dari hubungan antara setiap observed variable dan latent variable. Hasil analisis tampak pada tabel di bawah ini
Tabel 4.9 Validitas Data
Konstrak Indikator Faktor Loading
1 2 3 4 Art Product
X11 0,441
X12 0,837
X13 0,543
X14 0,305
X15 0,177
Art Sales X22
0,697 X23
0,443 X24
0,415 Brand Loyalty
Y1 0,679
Y2 0,467
Y4 0,071
Y5 0,325
Sumber: data diolah Berdasarkan hasil confirmatory faktor analysis terlihat bahwa faktor
loadings masing masing butir pertanyaan yang membentuk setiap construct belum seluruhnya
≥ 0,5, sehingga butir-butir instrumentasi setiap konstruk tersebut dapat dikatakan validitasnya kurang baik.
4.6. Evaluasi Construct Reliability Dan Variance Extracted
Selain melakukan
pengujian konsistensi
internal Cronbach’s Alpha
, perlu juga dilakukan pengujian construct reliability dan variance extracted.
Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar bahwa
indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
0,50. Hasil perhitungan construct reliability dan variance extracted dapat dilihat dalam tabel.
Tabel 4.10 Construct Reliability dan Variance Extracted
Construct Reliability Variance Extrated
Konstrak Indikator Standardize
Factor Loading
SFL Kuadrat
Error [ εj]
Construct Reliability
Variance Extrated
Art Product X11 0.441 0.194
0.806 0.590 0.263
X12 0.837 0.701 0.299
X13 0.543 0.295 0.705
X14 0.305 0.093 0.907
X15 0.177 0.031 0.969
Art Sales X22 0.697 0.486
0.514 0.530 0.285
X23 0.443 0.196 0.804
X24 0.415 0.172 0.828
Brand Loyalty Y1 0.679
0.461 0.539
0.429 0.200 Y2 0.476
0.227 0.773
Y4 0.071 0.005
0.995 Y5 0.325
0.106 0.894
Batas Dapat Diterima ≥ 0,7
≥ 0,5
Sumber : Lampiran
4.7. Uji Normalitas
Uji normalitas sebaran dilakukan dengan Kurtosis Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak
normal. Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar
2,58. Hasilnya diperoleh nilai c.r. multivariat diantara 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
digunakan dalam estimasi selanjutnya. Hasil analisis tampak pada tabel berikut
Tabel 4.11 Normalitas Data
Variable min max kurtosis c.r. X11 1 5 0.385
0.831 X12 1 5 -0.914
-1.974 X13 1 5 -0.445
-0.962 X14 1 5 -0.543
-1.173 X15 1 5 -0.449
-0.971 X22 1 5 -0.515
-1.113 X23 1 5 0.174
0.376 X24 1 5 0.107
0.232 Y1 1
5 -0.113 -0.244
Y2 1 5 -0.372
-0.804 Y4 1
5 -0.160 -0.345
Y5 1 5 -0.496
-1.071
Multivariate 16.353
4.721 Batas Normal
± 2,58
Sumber : Lampiran Hasil uji menunjukkan bahwa nilai c.r. multivariate berada di luar ±
2,58 itu berarti asumsi normalitas tidak terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler dan Chou 1987
bahwa jika teknik estimasi dalam model SEM menggunakan maximum likelihood estimation MLE walau distribusi datanya tidak normal masih
dapat menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya
.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.8. Analisis Model SEM
